隨著視覺(jué)技術(shù)的發(fā)展,在教育信息技術(shù)領(lǐng)域,自動(dòng)化的課堂觀察成為一個(gè)重要問(wèn)題。通過(guò)觀察課堂中教師和學(xué)生的行為及其交互特征,有助于對(duì)學(xué)生進(jìn)行客觀的評(píng)估,對(duì)教師因人而異的制定教學(xué)計(jì)劃,改善老師的教學(xué)質(zhì)量。舉手動(dòng)作作為最為典型的學(xué)生動(dòng)作行為,其檢測(cè)和識(shí)別是自動(dòng)化課堂觀察的重要支撐技術(shù)。本文針對(duì)真實(shí)的課堂教學(xué)場(chǎng)景,提出了一種有效的舉手識(shí)別方法,使用普通RGB圖像作為輸入,輸出課堂中哪些學(xué)生有舉手的動(dòng)作。真實(shí)場(chǎng)景下,舉手的識(shí)別面臨許多挑戰(zhàn),例如未知的學(xué)生數(shù)量和他們的位置,學(xué)生之間部位的相互遮擋,小分辨率的手部信息。為了解決上述挑戰(zhàn),本文把舉手識(shí)別的過(guò)程分為兩個(gè)階段,首先做姿態(tài)估計(jì)得到以手為主體候選區(qū)域,然后通過(guò)手勢(shì)識(shí)別判斷候選區(qū)域是否為舉手姿勢(shì)。本文使用了自下而上的姿態(tài)估計(jì)方式,只需要集成學(xué)生手臂上的關(guān)鍵點(diǎn)而不需要整個(gè)骨骼結(jié)構(gòu),減輕了遮擋下檢測(cè)帶來(lái)的難度,并且通過(guò)多尺度的信息融合,很好解決了后排小分辨率學(xué)生的定位問(wèn)題,為了降低復(fù)雜環(huán)境的干擾,本文結(jié)合手臂關(guān)鍵點(diǎn)信息,通過(guò)候選區(qū)域篩選僅僅得到手臂抬起后以手腕為中心的局部區(qū)域,并使用簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò),對(duì)候選區(qū)域做舉手或者非舉手的判斷。本文組建了真實(shí)場(chǎng)景... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 項(xiàng)目來(lái)源以及研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
2 相關(guān)技術(shù)綜述
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 姿態(tài)估計(jì)經(jīng)典結(jié)構(gòu)
    2.3 深度學(xué)習(xí)Caffe框架
    2.4 本章小結(jié)
3 算法的網(wǎng)絡(luò)設(shè)計(jì)
    3.1 算法難點(diǎn)分析
    3.2 兩階段算法整體流程
    3.3 姿態(tài)估計(jì)算法
    3.4 舉手手勢(shì)識(shí)別算法
    3.5 本章小結(jié)
4 算法的實(shí)現(xiàn)
    4.1 姿態(tài)估計(jì)算法的實(shí)現(xiàn)
    4.2 舉手手勢(shì)識(shí)別算法的實(shí)現(xiàn)
    4.3 本章小結(jié)
5 算法的評(píng)價(jià)和測(cè)試
    5.1 評(píng)價(jià)思路
    5.2 姿態(tài)估計(jì)的評(píng)價(jià)和測(cè)試
    5.3 舉手手勢(shì)識(shí)別的評(píng)價(jià)和測(cè)試
    5.4 兩階段算法的對(duì)比實(shí)驗(yàn)
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3182750